北大发布 Motion-Omni：语音与全身动作端到端同步生成，快于实时
aigclink · x · 2026-09-07
北京大学发布端到端口语对话系统 Motion-Omni，同时生成语音和同步的全身动作（面部表情、手部、上半身与下半身），把数字人的"身上"补齐。
- 技术关键：动作直接从生成语音的内部隐藏状态原生输出，动作与语音天生同步，而非先合成语音再用音频驱动动作
- 性能：RTF 0.78，总响应时间 4.32 秒，快于实时；比同等音频下 LOM 教师级联方案快 5.4 倍
- 局限：目前仍是离线响应生成（接收完整用户语音后再输出），并非流式实时交互
意义在于 AI 交互的"具身化"更进一步，数字人、虚拟主播、个人分身场景正从"录播感"走向"真播感"。
所属事件:北大发布 Motion-Omni，语音与全身动作实时同步生成(3 条相关)→
「多模态」频道最新
- 用 Astra 计算机视觉操控 Premiere Pro 剪辑，10 个实用玩法 — beechinour · 2026-10-27
- Galaxy S26 纯端侧跑 MiniMax H3：7 分钟生成 5 秒带音频视频 — BidFunny4862 · 2026-10-27
- Krea 推出 Premiere Pro 插件:剪辑时间线内直接生成视频与音效 — lmoroney · 2026-10-27
- Wan2GP 上架 Pinokio：6GB 显存一键跑 AI 视频生成 — cocktailpeanut · 2026-10-27
- WanGP v18.81 支持 Hy-Nomas 世界模型，8GB 显存可用 WASD 探索 — cocktailpeanut · 2026-10-27
- 可编程视频编辑器 Butter 走红:时间线上搭积木做动效模板 — beechinour · 2026-10-27